paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
XY

Xinghao Yang

ACL 2026NeurIPS 2026数据与预训练安全对齐与偏好评测与基准
新星分贡献者
46
一作贡献0
核心/参与17
方向广度11
合作网络6
0 一作 · 2 篇 · ACL 2026 / NeurIPS 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
作者位次 #2/6ACL 2026Poster· Natural Language Processing

Enhancing the Transferability of Jailbreak Attacks on Large Language Models via Exploiting Reparameterization Invariance

Ao Wang · Xinghao Yang · Yongshun Gong · Wei Liu · Bao-di Liu · Weifeng Liu

摘要

Jailbreak attacks serve as a pivotal technique for evaluating the safety alignment of Large language models. Current token-level attacks have shown remarkable efficacy on open-source models by leveraging gradient-based optimization. However, these attacks suffer from poor cross-model transferabil...

安全对齐与偏好评测与基准OpenReview 项目页

常见合作者